在轨航天器动力学参数辨识技术研究

针对在轨航天器低频密集和辨识时激励源有限且难于测量等特点,开展了适用于低频密集模态且不需激励信息的在轨航天器动力学参数辨识方法的研究,探讨了直接利用在轨响应数据在频域内辨识航天器动力学参数的技术;并根据在轨航天器低频密集特点,设计了在轨航天器动力学参数辨识仿真试验系统,对该辨识方法进行了试验验证。     

航天器周期时变模态参数闭环在轨辨识的子空间方法

考虑在轨闭环航天器的参数辨识,利用子空间方法辨识大型闭环航天器的周期时变模态参数和控制器的增益参数.讨论了反馈控制器增益矩阵在状态空间方程中的坐标变换情况.利用该方法对所建立的ETS-Ⅷ卫星模型的模态参数和控制器增益参数进行辨识,通过验证闭环系统的响应值,说明该方法在航天器的模态参数闭环辨识中是有效的.     

基于视觉测量的太阳翼模态参数在轨辨识

针对传统接触式振动测量方法的缺点,提出一种基于视觉测量的太阳翼模态参数在轨辨识方法.具体过程包括相机标定、标志点检测、三维坐标解算和模态辨识等.利用两台相机和一台计算机构成的双目立体视觉测量系统进行了地面试验,测量得到了太阳翼测点处的振动位移响应,然后采用ERA算法辨识出了真实太阳翼的两阶主要模态参数.通过与激光测振仪测量结果进行比较,验证了上述方案的有效性.实验表明,视觉测量方法设备简单,灵活性高,是一种理想的在轨振动测量方法.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。     

组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

带柔性载荷超静平台的模型参数在轨辨识

摘要： 针对柔性载荷振动引起超静平台模型参数在轨辨识精度下降的问题,设计一种超静平台模型参数在轨辨识方法.建立考虑柔性载荷振动的超静平台动力学模型,采用卡尔曼滤波估计柔性载荷振动的模态位移,利用多参数并发递推最小二乘法实现超静平台模型参数的准确辨识,通过仿真验证算法的有效性.仿真结果表明：在不考虑柔性载荷振动时,超静平台模型参数辨识收敛速度缓慢,辨识误差较大;采用文中考虑柔性载荷振动的多变量并发递推最小二乘法,能够明显提高超静平台模型参数估计精度.     

星载天线传感器优化部署的均匀设计方法

为提高模态密集大型星载天线在轨模态参数辨识精度,提出基于均匀设计的遗传算法对传感器数量和位置进行优化部署。根据模态空间H₂范数确定参振模态阶数;分别以测量信息正交性和能量最大为优化目标,引入均匀设计方法对传感器数量、种群规模、交叉概率和变异概率4个组合参数进行选取;采用特征实现算法进行在轨模态参数辨识研究。数学仿真表明：所提出的方法可以有效解决传感器数量和位置的优化部署问题,避免了以往人为经验选取参数时存在的主观性和盲目性问题。     

基于ANCF的挠性太阳翼动力学建模及模态辨识研究

可展薄膜结构平面太阳翼由于极具纤薄和轻柔的特性,导致其动力学性能参数显得相当复杂.为全面、准确地明晰大挠性太阳翼动力学特征对新型百公斤级低轨卫星姿态控制性能的影响,采用ANCF(absolute node coordinate formulation)索梁模型和ANCF薄膜单元构建主要挠性附件,基于索梁预应力建立大型空间可展结构的动力学模型.通过建立的动力学模型,综合考虑太阳光压力、气动阻力、重力梯度力矩和地磁力矩在内的复杂空间环境干扰,采用复模态指示函数(complex mode indication function, CMIF)进行薄膜结构平面太阳翼模态参数在轨辨识的研究.辨识结果与仿真分析结果的对比表明,CMIF方法能够有效地识别可展薄膜结构平面太阳翼的低阶固有模态,为该技术的工程实施提供了坚实的理论研究基础.     

一种基于模态参数实时辨识方法的参数时变航天器控制方法

针对一种因挠性结构转动引起模态参数变化的航天器研究了一种基于模态参数辨识的控制方法。首先以一种刚柔耦合复杂航天器为对象,建立分析航天器的动力学模型。然后,基于该模型,采用一种基于改进递归预测器的子空间辨识(RPBSID)法模态辨识方法估计系统状态量。最后,基于辨识状态量采用无模型控制方法进行控制,通过基于MATLAB软件的仿真实验,验证了方法的有效性。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。     

面向未知目标的柔性关节空间机器人滑模控制

针对载荷捕获的空间机器人控制问题,同时考虑机械臂关节柔性和非合作目标质量未知等因素影响,提出一种基于目标质量观测器的滑模变结构控制方法.首先,针对空间非合作目标质量未知问题,设计基于改进的最小二乘迭代算法实现对非合作目标质量在线辨识.进而,采用拉格朗日方法和动量矩守恒原理,建立漂浮基座柔性关节空间机器人动力学模型;针对...     

惯导系统初始对准的次优滤波算法

分析了惯导系统(INS)初始对准的动态误差向量方程及其动态误差向量的可观性问题,并研究了按动态误差向量的可观度划分观测子空间.在惯导系统初始对准问题中通过使用变量可观度的概念构造次优卡尔曼估计算法.并用C语言编程实现了初始对准的最优及次优卡尔曼滤波算法.从仿真结果可见次优卡尔曼滤波算法可用于INS初始对准的实用计算中.